袁自然 叶寅 武际 方凌 陈晓芳 杨欣

摘要：叶绿素是植被光合作用的重要物质，能够间接反映植被的健康状况和光合能力。高光谱技术的发展为大面积、快速检测植被叶绿素含量变化提供了可能。选取150组不同生长期的辣椒叶片作为研究对象，分别采集辣椒叶片的高光谱图像和叶绿素含量。利用随机森林特征选择算法进行数据筛选，结合线性回归、偏最小二乘回归、梯度提升回归树、随机森林回归等4种模型分别构建回归模型。结果表明：（1）利用随机森林特征选择算法筛选后波段建立的模型决定系数（r2）均大于0.8，说明该方法具有较高的稳定性和预测精度;（2）利用随机森林特征选择算法筛选的波段结合随机森林回归，其验证集的r2为0.9、均方根误差（RMSE）为1.87、平均绝对误差（MAE）为1.43。可以较为准确地预测辣椒叶片叶绿素含量，为后期利用高光谱成像技术大面积检测辣椒的生长状况提供了理论依据。

关键词：高光谱成像;辣椒叶片;叶绿素含量;随机森林特征选择算法;回归模型

中图分类号：S127 文献标志码： A 文章编号：1002-1302（2021）16-0189-04

叶绿素含量与植被光合作用效率密切相关[1]，因此快速、准确地检测叶片叶绿素含量在生态学、农学上都具有重要价值。传统检测植物叶片叶绿素含量的方法须要实地调查或取样送进实验室测定，难以做到实时检测，而利用便携式叶绿素仪虽然可以做到实时检测，但需要人工反复测量，人为干扰因素较大，精度无法保证，难以适用于大面积叶绿素含量检测。……